临床试验数据管理与统计分析第四军医大学卫生统计学教研室 夏结来

临床试验数据管理与统计分析第四军医大学卫生统计学教研室·夏结来Contents课程目录临床试验数据管理与统计分析全流程框架，从试验设计到最终报告的系统化知识体系。01临床试验概述与流程框架02数据管理基础与全流程03数据核查与疑问管理04统计分析与临床报告Chapter01临床试验概述与流程框架从计划安排到批准上市的全链条认知ClinicalTrialOverview临床试验全流程概览临床试验是一项高度规范化的系统工程，从计划安排到药物获批上市需经历多个关键环节，各环节环环相扣、相互依存，共同保障试验结果的科学性与可靠性。01计划与安排阶段：制定详细的临床试验方案，明确试验设计、受试者入选标准、给药方案和主要终点指标，为后续所有环节提供执行依据02试验执行与监查：研究者按方案开展临床操作并填写CRF病例报告表，监查员全程跟踪确保试验符合GCP规范和方案要求03数据管理与锁定：对CRF采集的原始数据进行双人录入、逻辑核查、疑问校正和盲态审核，最终形成高质量锁定数据库04统计分析与报告：按预先制定的统计分析计划书进行数据分析，形成统计与临床报告，为SFDA/CDE审评提供科学证据05监管审批与上市：SFDA/CDE对申报材料进行全面审评，评估药物的安全性和有效性，决定是否批准新药上市临床试验研究团队协作场景DataCollectionCRF病例报告表：数据采集的基石CRF（CaseReportForm，病例报告表）是临床试验数据采集的核心载体，其填写质量直接决定了试验数据的可靠性和后续统计分析的有效性，是整个数据管理链条的源头和基础。01标准化记录CRF记录受试者所有关键临床信息，涵盖人口学特征、病史、用药记录、实验室检查和疗效评价等核心数据项CoreData02严格填写研究者须按试验方案和CRF指南逐项记录，确保与原始病历一致，修改需注明日期并签名Protocol03科学设计CRF设计需经数据管理团队和统计师审核，确保结构合理、变量清晰，便于建库与编写核查程序Validation04源数据核查监查员定期到各临床中心进行SDV，比对CRF记录与原始病历，确保数据真实、完整、准确SDVRegulatoryComplianceGCP规范与法规要求《药物临床试验质量管理规范》（GCP）是临床试验的根本法规依据，从受试者权益保护到数据质量保障均有严格规定，数据管理与统计分析的每一个环节都必须在GCP框架内运行。受试者权益保障GCP要求试验必须经过伦理委员会审批，所有受试者签署知情同意书后方可入组，确保受试者权益得到充分保障。伦理审批数据记录规范数据记录要求及时、准确、完整、可溯源，CRF表的修改必须保留原始记录、注明修改原因和日期并由研究者签名。可溯源方案定稿与变更管控试验方案、统计分析计划书和数据管理计划必须在试验开始前完成定稿和签署，任何变更需经过严格的修订审批流程。审批流程监管审评要求SFDA/CDE对新药申报的数据质量有明确要求，数据管理的全过程文档需作为申报材料的一部分提交监管审评。SFDA/CDEChapter02数据管理基础与全流程从数据产生到锁定的完整操作体系CLINICALDATAMANAGEMENT数据管理的目的与定义数据管理的核心使命是以及时、有效的方式为支持新药批准上市提供与预期结果一致、精确、正确的临床试验数据，确保数据能够按预先制定的统计分析计划书进行可靠的统计分析，是新药审评科学证据的质量保障基础。01目的以及时有效的方式提供精确正确的临床数据，支持新药上市审批，确保数据可按预先制定的统计分析计划书进行分析。数据管理贯穿临床试验全程，是连接临床操作与监管决策的关键桥梁。02定义涵盖临床试验中大量数据的及时填写、准确录入、计算机辅助人工审核校对、疑问问答校正、盲态审核与锁定等全过程。从数据采集到最终交付，每个环节都有明确的质量控制标准。03核心要求数据必须真实、完整、准确、可溯源，任何环节的操作偏差都可能影响最终统计分析结论的科学性和可信度。建立完善的稽查轨迹是确保数据质量的重要手段。04服务对象锁定后的数据将传递给统计分析团队，数据质量直接决定统计结论是否可靠，进而影响监管部门的审批决策。高质量的数据管理是临床试验成功的基石保障。CLINICALDATALIFECYCLE数据产生与处理的完整链条临床试验数据从研究者填写CRF表开始，经历监查员核查、双人双份独立录入、系统核查与疑问管理、不良事件编码、盲态审核到最终锁定传递共11个关键环节，形成了一条严格的质量控制链条，确保每一步都有校验和追溯机制。01DATACAPTURECRF表填写与监查研究者填写CRF表并由监查员核查后传递给数据管理单位，确保源数据符合方案要求02DOUBLEENTRY双人双份独立录入根据CRF建立专用录入程序，采用双人双份独立录入机制，通过比对最大限度降低人工录入错误03QUERYMGMT系统核查与疑问管理核查程序自动识别数据问题并产生疑问表（DQF），监查员将DQF交研究者复核回答，数据库据此修改并再次核查04MEDICALCODING不良事件标准化编码对不良事件和合并用药进行标准化编码，确保不同中心、不同研究者使用统一术语描述，便于后续汇总分析05BLINDREVIEW盲态数据审核在盲态下对全部数据进行最终审核，确保所有疑问已解决、所有编码已完成，数据质量达到统计分析要求06DBLOCK数据库锁定与传递审核通过后进行数据库锁定，锁定后的数据不可再修改，随即传递给统计分析人员开展正式统计分析数据采集与录入核查与修正审核与锁定DATAMANAGEMENT数据管理流程全景图数据管理流程从项目启动到数据传递共包含十余个有序衔接的操作环节，以数据管理计划为纲领，以核查计划和质量检查为质控手段，以数据锁定和传递为终点，形成了一个可追溯、可审计的完整质量管理体系。01项目启动确定数据管理团队组成、制定数据管理计划（DMP），明确各方职责、时间节点和质量标准DMP02技术准备完成CRF注释、编写数据核查计划、开发录入程序和核查程序，为数据录入和自动化检查做好准备CRF03执行监控数据录入与疑问管理循环进行，各临床中心接受定期质量检查，确保数据质量持续受控QA04收尾锁定完成数据关闭、撰写管理报告、进行盲态数据审核，锁定数据库后将数据传递给统计分析团队LOCKCOREDOCUMENT数据管理计划（DMP）数据管理计划（DMP）是临床试验数据管理的纲领性文件，系统阐述了项目的数据管理过程、时间约定、团队组成、核查策略和疑问管理方式等核心内容，由申办方、统计方和数据管理方三方签署后生效，是整个数据管理活动的执行依据。操作规范与时间节点DMP详细规定数据管理全过程的操作规范和时间节点，包括数据录入时限、疑问处理周期和数据库锁定的目标日期时间节点团队组成与职责分工明确项目组成员及职责分工：申办方医学监查员、数据管理员、统计师、程序员等各方角色和协作机制多方协作数据核查策略约定关键指标与非关键指标的处理标准，关键指标（如主要疗效终点）要求100%核查，非关键指标可采用抽样核查100%签署审批与版本管理由申办单位、统计单位和数据管理单位三方共同签署后生效，任何修订需经过正式审批流程并保留版本记录三方签署DATAMANAGEMENTCRF注释与数据库设计CRF注释通过标注变量名与编码规则确保数据一致性，数据库设计在此基础上构建结构化存储框架。CRF注释规范在每页CRF表上标注数据库变量名、数据类型、取值范围和逻辑校验规则，确保采集端与录入端语义一致。变量名·类型·校验数据库结构设计根据CRF注释建立表结构和字段约束，定义主键、外键关系和数据完整性规则，确保存储高效合理。主键·外键·约束录入程序开发依据CRF注释设置值域校验、跳转逻辑和必填项控制，在录入阶段即拦截明显的错误数据。值域·跳转·必填三方审核确认注释文档需经数据管理员、统计师和临床团队三方审核，确保定义与试验方案及统计需求完全匹配。管理员·统计师·临床DataEntry双人双份独立录入机制双人双份独立录入是临床试验数据管理中保障录入质量的核心技术手段，通过两名录入员独立录入同一CRF数据并由计算机自动比对差异，将人工录入错误率降至万分之五以下。STEP01STEP02STEP03STEP04独立录入两名经过培训的录入员分别独立录入同一份CRF数据，录入过程中互不沟通，确保两份结果的独立性。×2Operators自动比对计算机程序自动逐字段比对两份录入结果，完全一致的数据直接入库，不一致的标记为差异项等待裁定。AutoDiff差异裁定差异项由第三名审核人员参照原始CRF表确认正确值并进行修正，修正过程保留完整的审计追踪记录。AuditTrail金标准该方法虽增加一倍录入人工成本，但能将录入错误率降至极低水平，是国际临床试验公认的数据录入金标准。＜0.05%ErrorCHAPTER03数据核查与疑问管理保障数据质量的核心防线DATAVERIFICATION数据核查的目的与原则数据核查的核心目的是依据临床试验方案要求，对CRF表中各指标的数值及其相互关系进行系统化检查，识别缺失、逻辑矛盾、错误或不确定数据，并通过疑问表（DQF）机制由研究者复核确认，从而保障数据库的准确性和完整性。核查对象CRF表中所有已录入数据库的数据项，包括人口学信息、疗效指标、安全性指标和合并用药等全部内容核查依据严格遵循临床试验方案中定义的访视时间窗、指标正常值范围、入选排除标准和逻辑关系约束问题处理对于缺失、逻辑矛盾、有误或不确定的数据，以疑问表（DQF）形式由监查员传递给临床中心研究者复核回答双重手段结合计算机程序自动化检查（范围校验、逻辑校验）与人工审核（医学合理性判断）两种方式互补进行DataValidationPlan数据核查计划编写规范数据核查计划是指导数据核查程序编写的核心技术文档，需按照CRF表结构逐项描述每个数据项的核查条件、取值范围和发疑问标准，经申办方审核签字后生效，是确保数据核查全面性、规范性和可追溯性的制度保障。SECTION01编写结构与内容要求逐项撰写—通用数据项核查条件统一描述，避免重复；按CRF表页码和各页数据项内容顺序逐项撰写，确保覆盖完整全覆盖—所有已进入数据库的数据均需描述核查条件，对各数据项应明确其核查范围、发疑问或确认的标准合并撰写—内容完成相同的页面可合并撰写（如各访视页内容一致的检查项目），提高文档编写效率和一致性SECTION02审核流程与效力审核修订—核查计划编写完成后传递给申办方审核，申办方可提出修改意见，数据管理团队据此修订完善三方签字—必须由申办方、数据管理方和统计方签字后方正式生效，作为后续核查程序编写的唯一依据版本追溯—需保留完整的版本记录，任何修订均经过正式审批流程，确保文件可追溯和可审计DATAVERIFICATION数据核查程序的技术实现数据核查程序是在SAS环境下根据数据核查计划编写的自动化校验代码，主要检查CRF表中的数据缺失、误填和逻辑矛盾问题，程序输出的异常清单需经数据管理员人工校对后生成正式疑问表，实现了机器自动检查与人工专业判断的有效结合。SAS环境下的校验逻辑核查程序基于SAS环境开发，按照数据核查计划逐项编写校验逻辑，覆盖范围检查、一致性检查和时序逻辑检查。SAS三类核心问题检查主要检查数据缺失（必填字段为空）、误填（超出值域范围）和逻辑矛盾（如末次访视早于入组日期）。缺失·误填·矛盾人工校对与疑问表生成程序运行后输出异常清单，数据管理员需逐条人工校对，排除误报，确认问题后生成正式疑问表（DQF）。DQF生命周期内迭代执行核查程序需在数据库生命周期内反复运行，每轮数据修正后重新执行，直至所有异常项清零或获得合理解释。异常清零DataQueries数据疑问的常见类型与分类数据核查产生的疑问主要分为补充类和确认类两大类型：补充类涉及数据缺失或字迹不清；确认类则涵盖入选排除标准、实验室检查、时间逻辑、合并用药和不良事件等五个核心维度的数据一致性和合理性问题，是疑问管理的重点和难点。TypeA补充类疑问涉及数据缺失或字迹不清，需研究者回溯原始记录进行补填或确认，确保数据完整性与可追溯性数据补填字迹确认01CRF表缺失补填缺失项目需研究者补充填写，确保数据库完整性达到统计分析要求02字迹辨认确认难以辨认的数据需研究者确认原始记录，避免录入员主观猜测导致数据失真TypeB确认类疑问疑问管理重点01入选/排除标准核实受试者是否满足方案入组条件，排除误入组情况02实验室检查数值与临床意义判断不一致，或超正常值范围但标记"正常"03时间逻辑日期不在试验范围内或访视时间不在方案时间窗内04合并用药数据矛盾、使用禁用药物或合并用药记录不完整05不良事件事件描述不清无法编码，或严重性与记录不符DATAQUERYFORMDQF疑问表提问方式与实例DQF疑问表的提问必须遵循标准化格式，明确指出问题所在的数据项、具体数值和矛盾点，使研究者能够快速定位问题并给出准确回答，避免模糊表述导致的反复沟通，提高疑问管理的效率和准确性。数据缺失类提问直接指出缺失数据项名称，简洁明了便于研究者快速定位与补充。适用于必填项漏填、随访数据未记录等场景。缺失定位数值确认类提问列出具体数值请研究者核实，减少理解偏差与反复沟通成本。适用于异常值、临界值或与其他数据源不一致的情况。数值核实逻辑矛盾类提问同时列出矛盾双方数据，突出矛盾焦点便于研究者确认。适用于跨表单、跨访视或医学逻辑不一致的情形。矛盾焦点时间窗超限类提问列出两次访视日期并指出超限情况，请研究者确认原因。适用于访视日期偏离方案规定时间窗的偏离处理。时间窗编码补充类提问引用原始描述并说明编码需求，便于后续标准化编码处理。适用于MedDRA、WHO-Drug等医学编码的确认与补充。详细描述DATAMANAGEMENTPROCESSDQF疑问表的完整处理流程DQF疑问表从产生到关闭经历产生、传递、回答、返回和处理五个有序环节，形成数据管理团队与临床中心之间的闭环沟通机制；该流程可能需要多轮循环，直至所有疑问得到研究者的合理解释或修正，确保数据库在锁定前达到零未解决疑问的质量标准。Step01产生核查程序输出的异常清单经数据管理员人工审核后，确属问题的条目生成正式疑问表（DQF）。此环节是质量控制的第一道关口，确保只有真实存在的数据问题才会进入后续沟通流程。异常清单→DQFStep02传递由临床监查员（CRA）将疑问表带至各临床试验中心，交付研究者进行复核，确保问题传达准确无误。CRA需向研究者详细说明疑问背景，必要时提供数据核查的原始依据。CRA→研究者Step03回答研究者查阅原始病历记录后对每条疑问做出书面回答，明确是确认原数据正确还是需要进行修正。回答需注明依据来源，并由研究者签字确认，确保答复具有可追溯性。书面回答Step04返回与处理监查员将研究者回答带回，数据管理员据此在数据库中执行修改或确认标记，保留完整审计追踪。若回答不充分，则重新发起疑问，形成闭环管理直至问题彻底解决。审计追踪流程可多轮循环，直至数据库锁定前达到零未解决疑问DataCoding不良事件与合并用药编码不良事件和合并用药编码是将多中心研究者使用的自由文本描述映射到标准编码字典（MedDRA和WHODrugDictionary）的过程，确保不同中心的同类事件能够统一汇总分析，编码质量直接影响安全性评价的准确性和完整性。01MedDRA不良事件编码采用国际医学用语词典，将研究者记录的各种不良事件描述映射到标准化的医学术语层级02WHODrug合并用药编码将各中心使用的不同药物名称统一为标准化的通用名和ATC分类编码03专业编码员执行由经过专门培训的编码员完成，需结合医学知识和编码经验，确保同义异名映射到同一标准术语04DQF疑问管理描述不清楚、含义模糊的记录需通过DQF发疑问请研究者补充信息后再编码，严禁猜测编码DATAMANAGEMENT盲态审核与数据锁定盲态审核是在不知分组信息的前提下对数据库进行最终全面审查的关键环节，确保所有疑问已关闭、编码已完成、数据修正到位后方可进行不可逆的数据库锁定，锁定后的数据将正式传递给统计分析团队，标志着数据管理工作的完成。01客观公正盲态审核在未揭盲的条件下进行，避免分组信息对数据审核判断产生主观偏向，确保审核结论的客观公正性。这是临床试验数据质量控制的核心原则之一。02逐条确认逐条确认所有DQF已关闭并获得满意回答，所有不良事件和合并用药编码已完成，所有数据修正已入库。每一项都需要经过严格的质量核查。03不可逆数据库锁定是不可逆操作，锁定后任何数据均不可修改，需经申办方、数据管理方和统计方共同确认后方可执行。锁定前必须完成所有数据清理工作。04正式移交锁定后生成数据管理报告，记录关键指标（疑问率、修正率、编码完成率），并将数据正式移交统计团队。这标志着数据管理阶段的圆满结束。ClinicalDataQualityMonitoring各临床中心的数据质量检查多中心临床试验中各中心数据质量可能存在显著差异，定期监测关键指标可识别薄弱环节并采取改进措施。DQF发生率监测统计各中心产生的疑问数量和类型分布，疑问率显著偏高的中心需分析原因并加强培训或监查。DQFCRF提交及时率跟踪各中心CRF表的提交进度，确保数据按计划时间传递到数据管理中心，避免积压影响整体进度。CRF疑问回答及时率监测研究者对DQF的回复速度，回答严重滞后的中心需协调监查员督促，确保数据库按计划锁定。DQF质量报告定期输出汇总各中心数据质量指标形成质量检查报告，为申办方和项目经理提供决策支持。REPORTDocumentationSystem数据管理关键文档体系数据管理全过程产生的文档体系是新药审评申报材料的重要组成部分，涵盖从数据管理计划到审计追踪日志的全套文件，每份文档均需具备版本控制、多方签署和归档管理，是证明数据管理合规性的核心证据链。数据管理各阶段关键文档清单管理阶段关键文档核心内容与要求项目启动数据管理计划（DMP）阐述管理过程、时间约定、团队组成、核查策略和疑问管理方式，三方签署生效准备阶段CRF注释为每个数据项标注变量名、数据类型、取值范围和编码规则，三方审核确认数据核查计划按CRF页码逐项描述核查条件和发疑问标准，申办方审核签字后生效执行阶段DQF疑问表记录所有数据疑问的提出、回答和处理过程，保留完整审计追踪各中心质量报告汇总各中心DQF发生率、CRF提交及时率和疑问回答及时率等指标收尾阶段数据管理报告记录数据管理全过程关键指标和结论，作为申报材料提交监管审评数据管理全过程涵盖六大关键文档，从DMP到管理报告形成完整的证据链CHAPTER04统计分析与临床报告从数据到科学证据的转化过程COREDOCUMENT统计分析计划书（SAP）统计分析计划书（SAP）是指导临床试验统计分析的核心文件，必须在揭盲前完成定稿和签署，明确规定分析人群定义、终点分析方法、缺失值处理策略和安全性分析方案等内容，确保统计分析的客观性和预设性，避免事后选择性分析带来的偏倚风险。揭盲前签署与定稿SAP必须在试验揭盲前完成定稿并由主要研究者、统计师和申办方共同签署，确保分析方法不受结果数据影响。分析人群明确定义明确定义全分析集（FAS）、符合方案集（PPS）和安全性分析集（SS），各人群的纳入排除标准需详细说明。终点分析方法规定规定主要终点和次要终点的统计分析方法，包括假设检验类型、显著性水平、置信区间计算方法和多重性校正策略。缺失值与敏感性分析制定缺失值处理方案（如末次观测值结转LOCF、多重插补等）和敏感性分析计划，评估分析结论的稳健性。StatisticalAnalysisPopulations分析人群的定义与分类临床试验统计分析需根据不同分析目的定义三类标准分析人群：全分析集（FAS）基于意向性治疗原则保持随机化优势，符合方案集（PPS）用于敏感性验证，安全性分析集（SS）用于安全性评价，三者互为补充构成完整的分析框架。FAS全分析集基于意向性治疗（ITT）原则，纳入所有随机化后的受试者，尽可能保留随机分组带来的组间可比性是主要疗效分析的首选人群，即使受试者未完成试验或违反方案，其数据仍按原始分组纳入分析ITTPPS符合方案集仅纳入严格遵守试验方案的受试者，排除严重违反入选排除标准、未完成主要疗程或依从性差者作为敏感性分析人群，与FAS结论一致时可增强试验结果的可信度和稳健性RobustnessSS安全性分析集纳入所有至少接受过一次试验药物治疗并有安全性评价数据的受试者用于不良事件发生率、实验室检查异常和生命体征变化等安全性指标的汇总分析SafetySTATISTICALMETHODS常用统计分析方法描述性统计概括基线特征与疗效分布，推断性统计评估组间差异的统计学与临床意义，生存分析处理时间-事件数据，多层次方法互为补充。01描述性统计连续变量以均数±标准差、中位数和四分位数描述，分类变量以频数和百分比描述，建立数据全貌02推断性统计根据数据类型和分布特征选用t检验、方差分析、卡方检验或秩和检验等方法，评估组间差异的显著性03置信区间估计计算主要终点组间差异的95%置信区间，同时提供差异方向和精度信息，辅助临床意义判断04生存分析时间-事件数据采用Kaplan-Meier法估计生存曲线，Cox比例风险模型进行多因素调整分析STATISTICALMETHODS缺失值处理策略缺失值处理是临床试验统计分析的关键难点，不同方法可能导致不同结论。LOCF简便但可能引入偏倚，多重插补更严谨，混合效应模型是监管推荐的主流方法。LOCF末次观测值结转用受试者最后一次实际观测值填补后续缺失值，操作简单但在数据呈趋势变化时可能引入偏倚。末次观测值多重插补法基于统计模型为每个缺失值产生多组合理填补值，分别分析后合并结果，能更准确反映缺失带来的不确定性。多组合并混合效应模型（MMRM）利用所有可用时间点的观测数据进行纵向分析，无需显式填补缺失值，被FDA/EMA推荐为首选方法。FDA/EMA推荐敏感性分析在SAP中预设多种缺失值处理方法进行对比分析，评估不同假设下主要结论是否保持一致。SAP预设Multiplicity&Subgroup多重性校正与亚组分析当试验涉及多个终点、多个剂量组或多次期中分析时，必须进行多重性校正以控制总体I类错误率，避免假阳性结论；亚组分析则用于探索疗效在不同特征人群中的差异，但其结论通常为探索性质，不能替代基于全分析集的主要疗效结论。I类错误多重性来源多个主要终点、多个试验组与对照组比较、多次期中分析和多个次要终点均会增加假阳性风险α校正校正方法Bonferroni法将显著性水平等分，Hochberg法更保守有效，Gate-keeping策略按预设层级顺序检验交互检验亚组分析按年龄、性别、基线严重程度等特征分组探索疗效差异，需在SAP中预先定义亚组和交互检验方法探索性质解读原则亚组分析结论为探索性质，不能因某个亚组显著就声称药物对该亚组有效，需总体分析一致支持SAFETYANALYSIS安全性分析的内容与方法安全性分析与疗效分析同等重要，是新药审评的核心证据之一。安全性评价涵盖不良事件汇总分析、实验室检查异常识别、生命体征监测和特殊安全性事件评估等维度，基于安全性分析集以描述性统计为主，重点关注治疗组与对照组的差异和剂量-反应关系。01不良事件汇总统计总体发生率、各组发生率、严重不良事件（SAE）和导致退出试验的不良事件，按系统器官分类列表呈现SAE02实验室检查分析识别治疗期间出现的临床有意义的异常值和变化，关注治疗组新发异常的比例和剂量-反应关系剂量-反应03生命体征与心电图监测血压、心率、体温和心电图等客观指标的变化趋势和异常发生率ECG04特殊安全性关注对方案预先定义的特殊安全性事件（如肝毒性、心血管事件）进行重点分析和因果关系评估因果关系CSR·ICHE3临床研究报告（CSR）临床研究报告（CSR）是临床试验最终的综合报告文档，整合试验设计、实施过程、统计分析和结论解读的全部内容，遵循ICHE3指导原则编写，是提交给SFDA/CDE审评的核心申报材料，其质量直接影响新药审批结果。ICHE3报告结构报告结构遵循ICHE3指导原则，包含摘要、引言、试验方法、受试者流程、疗效评价、安全性评价和讨论结论等章节E3疗效双重评价疗效部分需同时呈现统计学意义和临床意义，区分"统计显著"与"临床获益"，由临床专家对结果进行专业解读P<0.05安全性全面评估安全性部分需全面呈现所有不良事件数据，对SAE逐一叙述，评估药物与不良事件之间的因果关系和剂量-反应关系SAE附件支撑材料附件包含统计分析详细报表、CRF表、知情同意书和试验方案等支撑材料，确保审评人员可追溯验证所有结论CRFStatisticalMethodSelection数据类型与统计方法选择框架统计分析方法的选择取决于数据类型与分布特征：连续正态用参数检验，非正态用非参数检验；分类用卡方或Fisher；等级用秩和；时间-事件用生存分析。常见数据类型与对应统计分析方法数据类型适用条件推荐统计方法连续变量正态分布、方差齐t检验（两组）/方差分析ANOVA（多组）连续变量非正态分布Wilcoxon秩和检验/Kruskal-Wallis检验分类变量期望频数≥5Pearson卡方检验分类变量期望频数<5Fisher精确检验等级变量有序分类数据Wilcoxon秩和检验/CMH检验时间-事件生存/复发数据Kapla